[發明專利]基于多維灰色-神經網絡混合協調的電力需求預測方法

在審

• 申請號: 202011293335.9
• 申請日: 2020-11-18
• 公開（公告）號: CN112330046A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 雷錚;王魁;閆大威;李媛媛;李慧;張天宇;宋佳;宣文博;丁承第;劉忠義;周進;李娜;劉麗霞;陳妍;蔣春梅
• 申請（專利權）人: 國網天津市電力公司;國家電網有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q30/02;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 天津才智專利商標代理有限公司 12108
• 代理人: 王顕

本發明涉及基于多維灰色?神經網絡混合協調的電力需求預測方法，包括：以電力需求原始數據序列E為特征序列，以關鍵影響因素序列作為相關因素序列，形成多維灰色預測模型；將電力需求數據序列和相關因素序列進行累加，生成新序列，利用最小二乘法對新序列進行估計，得出電力需求總量的預測結果序列E_DM；獲取E與E_DM之間殘差ε，并對ε序列進行B?P反向傳播網絡預測，得到ε_AN；獲取ε與ε_AN的差值序列ε₂，以歷史的電力需求殘差序列ε₂作為影響因素序列進行B?P反向傳播網絡預測，結果為ε_2AN；將E_DM、ε_AN、ε_2AN相加，得到預測結果序列。本發明既可以彌補單一預測算法的不足，又能夠同時考慮多個關鍵因素。

技術領域

本發明屬于電網規劃電力需求預測技術領域，尤其涉及基于多維灰色-神經網絡混合協調的電力需求預測方法。

背景技術

電量預測是電力系統規劃、電網交易及電網營銷部門的重要工作之一。目前，常用的電量預測方法主要有基于數學模型的預測方法和基于專家的經驗預測方法。基于專家的經驗預測方法的缺點是依靠專家組的判斷，主觀性較大，結果的隨機性也較大；基于數學模型的預測方法能夠克服主觀因素的影響，是建立在數學公式的基礎上，但大多數的模型僅僅考慮單一因素的變化，不能準確模擬多種因素對電力需求的影響，而且單一算法得出的結果存在片面性，預測精度低。在當前經濟發展的新形勢下，多方因素共同影響電力需求的變化，因此急需研究一種電力需求預測方法，既可以彌補單一預測算法的不足，又能夠同時考慮多個關鍵因素對電力需求預測的影響。

發明內容

本發明的目的在于克服現有技術的不足，提供一種電力需求預測方法，既可以彌補單一預測算法的不足，又能夠同時考慮多個關鍵因素對電力需求預測的影響。

本發明解決其技術問題是采取以下技術方案實現的：

基于多維灰色-神經網絡混合協調的電力需求預測方法，包括如下步驟：

S1、以電力需求原始數據序列E為特征序列，以關鍵影響因素序列作為相關因素序列，在灰色預測模型GM(1,1)的基礎上，形成多維灰色預測模型GM(1,N)；將電力需求數據序列和相關因素序列進行累加，生成新序列，利用最小二乘法對新序列的序列參數進行估計，得出電力需求總量的預測結果序列E_DM；

S2、獲取原始電力需求序列E與預測序列E_DM之間殘差ε，并對ε序列進行B-P反向傳播網絡預測，得到結果序列表示為ε_AN；

S3、獲取模型殘差序列ε與B-P反向傳播神經網絡對ε的預測結果序列ε_AN的差值序列ε₂，以歷史的電力需求殘差序列ε₂作為影響因素序列進行B-P反向傳播網絡預測，預測的結果表示為ε_2AN；

S4、將步驟S1、S2、S3預測得到的結果E_DM、ε_AN、ε_2AN相加，得到最后的預測結果序列。

進一步的，所述步驟S2中通過反向逐層修正神經網絡中的權值和閾值，直到模型的參數達到設定的指標為止。

進一步的，所述步驟S2中在利用B-P反向傳播網絡對ε序列進行預測的過程中還包括關鍵因素分析預測。

進一步的，所述模型中的參數為誤差或訓練次數。

本發明的優點和積極效果是：

本發明的電力需求預測方法將灰色預測模型和神經網絡理論相結合，既可以彌補單一預測算法的不足，又能夠同時考慮多個關鍵因素對電力需求預測的影響。